La administración de modelos y riesgos es el proceso por el cual todos los grupos de partes interesadas determinan que los modelos son suficientes. Tu proceso puede incluir la validación de modelos nuevos, la supervisión de modelos, los estándares de seguridad y cumplimiento, los procesos de asistencia, la cobertura de riesgos, los manuales de operaciones y las guías del usuario, entre otros temas.
Como propietario de un marco de trabajo de riesgo, los siguientes artefactos te proporcionan recursos útiles para integrar la IA de AML en tu panorama general de administración de riesgos. La IA de AML proporciona documentación pertinente para la administración de riesgos y modelos, así como varios resultados del ajuste, el entrenamiento y la evaluación de tu modelo de IA de AML.
Documentación sobre la administración de modelos y riesgos
El siguiente conjunto de documentación de conceptos, disponible a pedido para los clientes de IA de AML, sirve como artefactos de gobernanza en tu marco general de gestión de riesgos y gobernanza de riesgos y modelos de IA/AA:
- Arquitectura del modelo: Describe la arquitectura del modelo en particular que se usa para la IA de AML para calcular las puntuaciones de riesgo.
- Metodología de etiquetado: Describe los enfoques que se usan para definir ejemplos de entrenamiento etiquetados para el ajuste, el entrenamiento y la prueba retrospectiva de los modelos de AA de AML.
- Metodología de entrenamiento de modelos: Describe el enfoque de entrenamiento y validación para los modelos de AA de AML.
- Metodología de ajuste del modelo: Describe el proceso por el cual la IA de AML optimiza los hiperparámetros del modelo en función de tus datos.
- Metodología de evaluación del modelo: Describe las métricas que se usan para la evaluación y la prueba retrospectiva del modelo.
- Descripción general de las familias de funciones: Describe las familias de funciones admitidas y cómo se usan para la interpretabilidad (y en otros lugares) en la IA de AML.
- Esquema de tipología de riesgo: Describe cómo la IA contra el lavado de dinero proporciona métricas para hacer un seguimiento de la calidad de los datos y el posible impacto en los modelos de IA contra el lavado de dinero.
- Esquema de tipología de riesgo: Describe cómo la IA contra el lavado de dinero admite las tipologías de riesgo y la metodología que usa para demostrar la cobertura.
- Política de asistencia y estabilidad de la versión del motor: Describe qué cambia y qué no entre las versiones del motor de IA de AML, y durante cuánto tiempo se admite cada versión del motor para diferentes operaciones.
Resultados del modelo como artefactos de administración
Las operaciones de IA de AML normales generan los siguientes artefactos como resultados:
- Calidad del modelo
- El resultado de la configuración del motor incluye el retiro esperado (antes y después del ajuste) que se captura en los metadatos de configuración del motor.
- Los resultados de la prueba retrospectiva te permiten medir el rendimiento del modelo entrenado en un conjunto de ejemplos que no se incluyen en el entrenamiento.
- Calidad de los datos
- El resultado de los valores faltantes indica la proporción de valores faltantes por familia de atributos en los conjuntos de datos que se usan para el ajuste, el entrenamiento, la prueba retrospectiva y la predicción. Los cambios significativos pueden indicar una incoherencia en los datos subyacentes, lo que puede afectar el rendimiento del modelo.
- Los errores de validación de datos impiden que se completen las operaciones de la IA de AML, por lo que debes resolverlos para producir correctamente un modelo y predicciones.
- Resultados de la predicción
- Las puntuaciones de riesgo varían de 0 a 1, y, dentro de este rango, una puntuación más alta indica un mayor riesgo para la parte en el mes previsto. Las puntuaciones de riesgo no deben interpretarse directamente como una probabilidad de actividad de lavado de dinero ni del éxito de una posible investigación.
- El resultado de Explainable AI aumenta las puntuaciones de riesgo altas con puntuaciones de atribución que indican la contribución de cada familia de atributos a la puntuación de riesgo.
- Las operaciones de larga duración (LRO) te permiten hacer un seguimiento de todos los procesos de IA de AML que se usan en la preparación y las predicciones del modelo. Para obtener más información, consulta Administra operaciones de larga duración.